“陈善雄”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果193个，建议您升级VIP下载更多相关专利

[发明专利]基于连通分量和回归式字切分的彝文古籍字符检测方法-CN201910815873.0有效
发明人：韩旭;陈善雄;林小渝;邱小刚;李然康 -专利权人：西南大学
申请日： 2019-08-30 - 公布日： 2023-02-03 - 主分类号： G06V30/246 文献下载
摘要：本发明提供一种基于连通分量和回归式字切分的彝文古籍字符检测方法，所述方法包括如下步骤：S1、用非局部均值滤波算法和二值化算法对古籍扫描图像进行预处理，使图像中的像素值只有0和255两个值；S2、采用基于连通分量的方法对图像非文本区域和未去除的噪点进行过滤，得到文本区域；S3、采用基于连通分量和回归式字切分投影的方法对图像中的单个字符进行检测。本发明能够对古籍中文本和非文本区域进行了有效的分离，并在单字检测实验中取得了较高的准确率和召回率，能有效地解决古籍文献字符识别中的字符分割及检测问题。
基于连通分量回归切分彝文古籍字符检测方法

[发明专利]基于语句通顺性的敦煌遗书残片图像缀合方法-CN202211276002.4在审
发明人：张重生;刘郝霞;凡高娟;陈远远;莫伯峰;胡韧奋;陈善雄;姚磊 -专利权人：河南大学
申请日： 2022-10-18 - 公布日： 2023-01-17 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于语句通顺性的敦煌遗书残片图像缀合方法，包括以下步骤：A：将残片图像按缺失类型进行分类；B：获取残片图像的列宽、列高和间隙；C：根据缺失类型是否对应对残片图像A与B进行判断；D：对残片图像A和B的列宽列高比的比值和列宽间隙比的比值进行判断；E：对等比放大后残片图像B与A的列高比值、间隙比值和列宽比值进行判断；F：利用笔迹判断神经网络模型判断残片图像A与B的笔迹相似度；G：对残片图像A和B进行边缘相似度计算和语句通顺性检测；H：所有待缀合残片图像比较完毕后，得到敦煌遗书残片图像A的所有备选缀合图像。本发明综合考虑待缀合残片图像文字内容的语句通顺性和边缘相似度，提高敦煌遗书残片图像缀合的效率和准确性。
基于语句通顺敦煌遗书残片图像方法

[发明专利]注意力机制下特征融合的多时期脑部CTA侧支循环评分方法-CN202211334054.2在审
发明人：谭朵;李咏梅;王静杰;刘青;陈善雄;姚睿;董霄轩;彭喜化 -专利权人：西南大学
申请日： 2022-10-28 - 公布日： 2023-01-13 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了注意力机制下特征融合的多时期脑部CTA侧支循环评分方法，主要涉及计算机辅助医疗技术领域；包括步骤：S1、将原始CTA‑dicom序列转换为伪RGB图像；S2、针对多时期的数据特色，设计四条独立单分支网络；S3、通过设计的单分支多特征融合和多时段多特征融合模块，融合多时期CTA图像，丰富数据特征；S4、加入全局注意力机制模块，在融合后网络中加入全局特征提取注意力机制；S5、将筛选出的融合特征，输入线性分类器对患者侧支循环进行分类；本发明有效地提高了预后判断效率，避免了传统方法中手动提取影像特征的局限性，在临床上对医生诊断起到了辅助作用，对侧支循环卒中临床症疗决策具有指导作用。
注意力机制特征融合多时脑部 cta 循环评分方法

[发明专利]一种用于责任血管定位的注意引导多分支融合分类方法-CN202211026040.4在审
发明人：姚睿;陈善雄;李咏梅;王静杰;谭朵;向雅芸;彭喜化 -专利权人：西南大学;重庆医科大学附属第一医院
申请日： 2022-08-25 - 公布日： 2022-11-11 - 主分类号： G06V40/14 文献下载
摘要：本发明公开了一种用于责任血管定位的注意引导多分支融合分类方法，主要涉及血管堵塞辅助判断领域；包括步骤：S1、构建多分支融合网络；S2、通过采样器获取样本标签；S3、将不同的样本标签对送入对应的网络分支，经过权重共享的改进主体网络之后得到各自分支的特征向量；S4、获取分类概率输出pc、pr；S5、获取分割概率图S6、获取平衡分支的分类概率pb；S7、根据分类概率pc、pr、pb来构建的分类累计损失本发明为计算机辅助医师判断大血管是否发生堵塞以及具体的责任堵塞血管提供了新助力，能够有效地解决数据样本中类严重不平衡问题，并达到满意的分类精度。
一种用于责任血管定位注意引导分支融合分类方法

[发明专利]一种手写古文字检测方法-CN202010455027.5有效
发明人：李然康;陈善雄;邱小刚;赵富佳;王定旺 -专利权人：西南大学
申请日： 2020-05-26 - 公布日： 2022-10-25 - 主分类号： G06V30/32 文献下载
摘要：本发明提供一种手写古文字检测方法，包括：使用基于CNN的ATD网络对输入图像和对应的标注信息进行特征学习、字符分类，根据分类结果生成AT类候选框；使用基于NMS的MSER模型对输入的图像通过非局部均值滤波进行预处理，再使用MSER算法提取文本轮廓，然后由最小外接矩形生成候选框，并由NMS筛选出最精确的MT类候选框；ATD网络以及MSER模型同步输出同一个字符的两个不同的候选框，经过合并算法对两个候选框进行合并，得FT类文本框。在彝文、中文、拉丁文、意大利文等古籍数据集上的测试结果表明，本发明的方法具有较好的精度，为手写体古文字的检测研究迈出了坚实的一步。
一种手写古文字检测方法

[发明专利]基于拟合异或函数的孪生卷积网络遥感变化检测方法-CN202210606859.1在审
发明人： 陈善雄;史文中;杨伯钢;张敏;宣兆新;蔡彩;徐宗霞 -专利权人：武汉大学;北京市测绘设计研究院
申请日： 2022-05-31 - 公布日： 2022-08-19 - 主分类号： G06T7/30 文献下载
摘要：本发明公开了一种基于拟合异或函数的孪生卷积网络遥感变化检测方法，包括获取两时期配准的遥感影像；将两期遥感影像输入已训练的拟合异或函数的孪生卷积变化检测网络，通过拟合异或函数的孪生卷积变化检测网络输出变化强度图；所述拟合异或函数的孪生卷积变化检测网络包括孪生编码器、异或模块和解码器，将遥感图像输入所述孪生编码器，通过孪生编码器输出多尺度特征影像；将多尺度特征影像输入异或模块，通过异或模块输出初始变化特征影像；将初始变化特征影像输入解码器，通过解码器输出变化强度图；基于阈值提取得到变化检测结果。本发明通过利用卷积网络提取的层次特征间拟合异或操作，同时关注变化信息和不变信息，减少变化误检测。
基于拟合函数孪生卷积网络遥感变化检测方法

[发明专利]基于曲线轮廓匹配的甲骨拓片缀合方法-CN202010191701.3有效
发明人：高未泽;田瑶琳;陈善雄;莫伯峰;赵富佳;王定旺 -专利权人：西南大学;首都师范大学
申请日： 2020-03-18 - 公布日： 2022-07-22 - 主分类号： G06V10/44 文献下载
摘要：本发明提供一种基于曲线轮廓匹配的甲骨拓片缀合方法所述方法包括，预处理阶段：通过预处理对甲骨拓片图像进行分割、转化提取与再转化，生成完整的轮廓曲线图像；特征提取阶段：对轮廓曲线图像进行特征分析、特征提取，生成碴口曲线匹配特征集；曲线轮廓跟踪及拟合阶段，对碴口曲线匹配特征集进行相似性曲线粗筛选、查找碴口轨迹坐标，生成曲线轨迹序列；甲骨拓片缀合阶段，基于相关性分析和拟合度分析相结合的曲线匹配算法生成缀合推荐排名表，基于缀合推荐排名表生成目标匹配图像库。该方法不仅能使甲骨拓片的匹配准确度高达84％以上，而且能通过相似排名进行模糊匹配，从而提高了缀合工作的容错性。
基于曲线轮廓匹配甲骨拓片方法

[发明专利]一种基于自监督的急性颅内ICH区域图像分割方法-CN202110689924.7有效
发明人： 陈善雄;谢鹏;朱世宇;李琦;杨文松;沈逸青;谭朵 -专利权人：西南大学;重庆医科大学
申请日： 2021-06-22 - 公布日： 2022-07-15 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于自监督的急性颅内ICH区域图像分割方法，包括将出血部位图A1送入认知网络，由认知网络学习生成颅内ICH区域图；将颅内ICH区域图和一张CT扫描图送入分割网络，由分割网络生成ICH区域定位图；比较ICH区域定位图与CT扫描图，判断ICH区域定位图与CT扫描图的出血区域一致性，并不断循环训练。本发明结合无监督的思想，基于知识约束生成式对抗网络的图像分割技术，实现医学影像中颅内ICH区域的自动分割。在生成式对抗网络的思想上对生成器进行改造，变形为分割网络。利用生成式对抗网络的特性，模型优化不再依靠精细标注样本，保证了分割准确性。
一种基于监督急性 ich 区域图像分割方法

[发明专利]基于特征重构的芯片表面复杂文本高精度识别方法及装置-CN202210410933.2在审
发明人：朱世宇;李莉;陈善雄;李威;谭朵;祖帅帅;刘亚飞;章蕊 -专利权人：西南大学
申请日： 2022-04-19 - 公布日： 2022-07-01 - 主分类号： G06V20/62 文献下载
摘要：本发明提供一种基于特征重构的芯片表面复杂文本高精度识别方法及装置，本方案通过将芯片表面的文本数据分为弱特征数据和强特征数据，根据弱特征数据建立标识特征重构器，进一步根据强特征数据和标识特征重构器的输出，建立标识特征判断器；根据标识特征判断器的输出结果，设计损失函数，对标识特征重构器和标识特征判断器进行交替优化；建立优化判别网络对每次优化后标识特征重构器的输出进行识别，在识别率达到阈值时，停止交替优化，获得目标标识特征重构器和目标标识特征判断器，并进行重构和识别芯片表面文本。从而实现对芯片字符图像的特征重构和可辨识性特征增强，进一步提高芯片残缺文本标识的识别精度。
基于特征芯片表面复杂文本高精度识别方法装置

[发明专利]一种基于几何特征的文本检测后处理方法-CN202010692672.9有效
发明人：邱小刚;赵富佳;林小渝;陈善雄;李然康;王定旺 -专利权人：西南大学
申请日： 2020-07-17 - 公布日： 2022-06-28 - 主分类号： G06V10/22 文献下载
摘要：本发明提供一种基于几何特征的文本检测后处理方法，所述后处理方法用于对原始预测框进行后处理，所述原始预测框通过深度学习文本检测方法得到，所述后处理方法包括如下步骤：S1、基于背景去除算法，在不改变预测框与字符区域交集面积的情况下将预测框中的多余背景进行去除；S2、基于候选框扩张算法，将得到的预测框进行一定规律的扩张，使它能够完全的提取出字符区域；S3、基于不标准框去除算法，对不标准的预测框进行去除；S4、基于重复框去除算法，将得到的重复预测框进行去除，得到最终的预测框。该方法可以有效解决文本检测时字符误认，检测偏离，重叠检测等问题，使检测结果更加优异。
一种基于几何特征文本检测处理方法

[发明专利]基于深度学习的甲骨文偏旁的检测与识别方法-CN202010344366.6有效
发明人：林小渝;陈善雄;李然康;高未泽;邱小刚 -专利权人：西南大学
申请日： 2020-04-27 - 公布日： 2022-06-28 - 主分类号： G06V30/10 文献下载
摘要：本发明公开了一种基于深度学习的甲骨文偏旁的检测与识别方法，主要涉及甲骨文识别技术领域。按照以下步骤进行：S1：对甲骨文拓片进行扫描或拍照，获得甲骨文图像；S2：采用最大极值稳定区域算法来筛选甲骨文图像中的甲骨文单偏旁区域；S3：对选定的甲骨文单偏旁区域进行椭圆拟合；S4：采用非极大值抑制算法去除对同一个甲骨文单偏旁多余重复或错误的检测结果，完成甲骨文单偏旁的检测，获得甲骨文单偏旁数据；S5：利用BN‑Lenet网络模型识别甲骨文单偏旁数据。本发明的有益效果在于：能够获得较高的识别精度，同时将甲骨文视为偏旁组合而非整字识别，能够识别未考释的甲骨文新字，即零样本学习，对甲骨文研究有着重要的应用意义。
基于深度学习甲骨文偏旁检测识别方法

[发明专利]一种弱监督文本检测方法-CN202010993027.0有效
发明人：李莉;朱世宇;陈善雄;许枭飞;帅鹏举 -专利权人：西南大学
申请日： 2020-09-21 - 公布日： 2022-06-10 - 主分类号： G06V30/18 文献下载
摘要：本发明提出一种弱监督文本检测方法，包括：构建感受野生成器，将待检测图像输入所述感受野生成器，获取一个或多个感受野；根据所述一个或多个感受野感知文本区域；构建感受野判别器，将所述文本区域输入所述感受野判别器，根据文本在所述文本区域的分布，获取识别结果；将所述识别结果反馈给所述感受野生成器，对所述一个或多个感受野进行校正，通过校正后的所述感受野生成器输出文本特征图，本发明基于感受野，再不需要标注图像中文本坐标的情况下，完成文本检测，极大地降低了标注数据集的依赖性，提高自然场景的适应性。
一种监督文本检测方法

[发明专利]基于轮廓引导和结构注意的全卷积网络建筑物提取方法-CN202111610703.2在审
发明人：史文中;陈善雄 -专利权人：理大产学研基地（深圳）有限公司
申请日： 2021-12-27 - 公布日： 2022-05-31 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了基于轮廓引导和结构注意的全卷积网络建筑物提取方法，所述方法包括：获取遥感图像；将所述遥感图像输入已训练的基于轮廓引导和结构注意的全卷积网络，通过基于轮廓引导和结构注意的全卷积网络输出建筑物强度图；基于阈值算法，提取所述建筑物强度图的二值图像，得到建筑物提取结果。本发明实施例的基于轮廓引导和结构注意的全卷积网络通过轮廓引导和结构注意可以更好的关注建筑物的边缘信息，从而能够提高建筑物提取边缘精度，并且具有较好的鲁棒性和实用性。
基于轮廓引导结构注意卷积网络建筑物提取方法

[发明专利]一种基于局部CNN框架的甲骨拓片分类方法-CN201910917806.X有效
发明人： 陈善雄;莫伯峰;高未泽;林小渝;李然康 -专利权人：西南大学;首都师范大学
申请日： 2019-09-26 - 公布日： 2022-05-17 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于局部CNN框架的甲骨拓片分类方法，包括：对甲骨拓片图像进行区域划分，将图像划分为盾纹区域、齿纹区域和非盾纹非齿纹区域；基于CNN框架对划分后的各区域进行训练，提取各区域特征，建立甲骨拓片的分类识别模型；对未知类型的甲骨拓片在进行区域分割后，利用训练好的CNN框架进行甲骨拓片的分类。本发明在传统的利用专家经验进行甲骨材质分类研究的基础上，采用卷积神经网络对甲骨拓片进行自动分类，通过对甲骨专家整理好的甲骨拓片扫描成像后进行训练，利用CNN框架的特征抽取、分类预测的能力，建立甲骨拓片的材质分类识别模型，实现对龟甲和兽骨拓片的自动判别，能够将领域专家的知识固化于计算机模型，促进甲骨分类学的发展。
一种基于局部 cnn 框架甲骨拓片分类方法

[发明专利]一种串接衰减器及其误差补偿方法-CN202210037612.2在审
发明人：申宇;殷乐;陈善雄 -专利权人：西南大学
申请日： 2022-01-13 - 公布日： 2022-04-15 - 主分类号： H03H17/00 文献下载
摘要：本发明公开了一种串接衰减器及其误差补偿方法，根据可调衰减器的衰减范围和每个固定衰减器的标称值确定串接衰减器对应的多段衰减范围，并根据多段衰减范围确定每个固定衰减器的误差约束范围；获取每个固定衰减器的误差值，并从固定衰减器中确定误差值不在其误差约束范围内的第一衰减器，且优化第一衰减器；在接收到串接衰减器当前的目标衰减量后，从多段衰减范围中确定目标衰减量所在的目标衰减范围，并将目标衰减范围对应的目标固定衰减器置为衰减状态，且通过调整可调衰减器的衰减量补偿目标固定衰减器的误差值。可见，本申请可补偿串接衰减器的误差，最终使串接衰减器的期望衰减量与实际衰减量一致，从而提高了衰减器的准确性。
一种衰减器及其误差补偿方法